MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE

UNIVERSITE ABDELHAMID IBN BADIS - MOSTAGANEM

Faculté des Sciences Exactes et d’Informatique

Département de Mathématiques et informatique
Filière : Informatique

MEMOIRE DE FIN D’ETUDES

Pour l’Obtention du Diplôme de Master en Informatique
Option : Réseaux et Systèmes
Présenté par :
DERDOUR Ilham Dehiba

THEME :
Utilisation d’un GDSS pour la gestion du cycle de vie
d’un produit (PLM)

Soutenu le :

Devant le jury composé de :

Dr. Midoun Mohamed MCB Université de Mostaganem Président
Dr. Khiat Sofiane MCB Université de Mostaganem Examinateur
Dr. Laredj Mohamed Adnane MCA Université de Mostaganem Encadrant

Année Universitaire 2021-2022

 Résumé

La gestion du cycle de vie des produits (PLM) est devenue importante dans les entreprises
qui fournissent des technologies et des méthodologies pour gérer les données, l’information
et les connaissances tout au long du cycle de vie des produits.
La problématique de notre travail s’articule autour de l’utilisation d’un système d’aide à la
décision de groupe (GDSS) pour gérer le cycle de vie d’un produit tout au long son cycle de
vie pour permettre aux entreprises de mieux structurer les décisions prise à son sein en
utilisant les différents points de vue et les connaissances des différents intervenants dans le
processus collaboratif de développement d’un produit.
Nous proposons dans notre travail une approche basée sur la notion d’aide à la décision
multicritères qui permet de parvenir à un compromis en ce qui concerne la prise de décision
fondée sur des critères différents et tenant compte de plusieurs alternatives.
Nous proposons, comme contribution pour cette problématique, d’utiliser la méthode
PROMETHEE-GDSS afin de résoudre le problème multicritères et multi-décideurs. Cette
proposition est validée par une simulation et un test via un logiciel d’aide à la décision
multicritères « Visual PROMETHEE » dans le but de valider notre proposition.
Mots-clés : PLM, GDSS, Aide multicritères à la décision, travail collaboratif,
PROMETHEE

Abstract

Product Life Cycle Management (PLM) has become important in companies that
provide technologies and methodologies to manage data, information, and knowledge
throughout the product life cycle.

The problem of our work revolves around the use of a group decision support system
(GDSS) to manage the life cycle of a product throughout its life cycle to allow companies to
better structure the decisions made within it using the different perspectives and knowledge
of the different stakeholders in the collaborative process of product development.

In our work, we propose an approach based on the concept of multi-criteria decision

support that allows for a compromise in decision-making based on different criteria and
considering several alternatives.

We propose, as a contribution to this issue, to use the PROMETHEE-GDSS method

to solve the multi-criteria and multi-decision-making problem. This proposal is validated by
a simulation and a test via a "Visual PROMETHEE" multicriteria decision support software
to validate our proposal.
 ‫‪Keywords: PLM, GDSS, Multi-criteria decision support, collaborative work,‬‬
‫‪PROMETHEE‬‬

‫ملخص‬

‫أصبحت إدارة دورة حياة المنتج مهمة في الشركات التي توفر التقنيات والمنهجيات إلدارة البيانات‬
‫‪.‬والمعلومات والمعرفة طوال دورة حياة المنتج‬

‫تدور مشكلة عملنا حول استخدام نظام دعم القرار الجماعي إلدارة دورة حياة المنتج طوال دورة حياته للسماح‬
‫للشركات بهيكلة أفضل للقرارات المتخذة داخله باستخدام وجهات النظر والمعرفة المختلفة ألصحاب المصلحة‬
‫‪.‬المختلفين في التعاون عملية تطوير المنتج‬

‫وفي عملنا‪ ،‬نقترح نهجا يستند إلى مفهوم دعم القرارات المتعددة المعايير الذي يسمح بالتوصل إلى حل وسط‬
‫‪.‬في عملية صنع القرار استنادا إلى معايير مختلفة والنظر في عدة بدائل‬

‫ونقترح‪ ،‬كمساهمة في هذه المسألة‪ ،‬استخدام الطريقة لحل مشكلة تعدد المعايير واتخاذ القرارات‪ .‬يتم التحقق‬
‫‪ .‬من صحة هذا االقتراح من خالل محاكاة واختبار عبر برنامج دعم القرار متعدد المعايير للتحقق من صحة اقتراحنا‬

‫كلمات مفتاحية دعم القرارات المتعددة المعايير ‪,‬العمل التعاوني ‪,‬‬

 Dédicaces

Je dédie ce travail à

Mes chers parents, pour tous leurs sacrifices, leur amour, leur soutien et leurs
prières tout au long de mes études,

Mes chères sœurs,

Mon grand-père paix à son âme,

Ma grand-mère qui me soutien toujours avec ces prières,

A toute ma famille pour leur soutien tout au long de mon parcours d’étude,

A mon amie, lina, qui m’a toujours soutenue,

Et à tous ceux que j’aime, je dis merci.

 Remerciements

Je remercie tout d’abord ALLAH, le tout puissant de m’avoir donné le courage et la

patience pour arriver à ce stade-là.

Je tiens à remercie particulièrement, mon encadrant Mr. LAREDJ ADNANE

MOHAMED, pour sa patience, sa disponibilité et surtout ses judicieux conseils.

Un grand merci à toute ma famille surtout mes parents et mes sœurs, qui m’ont
encouragé à suivre mes études.

Merci à tous et à toutes.

 Liste des figures

Figure N° Titre de la figure Page

Figure 1 Modèle Produit et Modèle de processus [54] 9

Figure 2 Cycle de vie et workflow d’un objet [2] 9

Figure 3 Le MOF (Méta-Object Facility) [47] 15

Figure 4 Processus décisionnel [5] 19

Figure 5 Structure d’un SIAD basé sur la connaissance selon [22] 23

Figure 6 Modèle du processus de décision de groupe [1] 26

Figure 7 Classification selon la matrice espace-temps [34] 29

Figure 8 Combinaison des systèmes d’aide à la décision de groupe [34] 29

Figure 9 Architecture centralisée [1] 30

Figure 10 Architecture décentralisée [1] 31

Figure 11 Architecture hybride [1] 31

Figure 12 Exemple de génération d’alternatives [25] 40

Figure 13 Fonction de préférence [25] 42

Figure 14 Procédure PROMETHEE GDSS [25] 44

Interface principale de Visual PROMETHEE (scénario directeur

Figure 15 53
général)

Figure 16 Interface principale de Visual PROMETHEE (scénario ingénierie) 53

Figure 17 Interface principale de Visual PROMETHEE (scénario finance) 54

Classement partiel PROMETHEE I (scénarios : directeur général,

Figure 18 54
ingénieur en chef et directeur des finances respectivement)

Classement partiel PROMETHEE II (scénarios : directeur général,

Figure 19 55
ingénieur en chef et directeur des finances respectivement)

Figure 20 Vue sur les flux net (les trois scénarios) 56

Figure 21 Les points forts du fournisseur 1 selon le directeur général 56

Figure 22 Les points forts du fournisseur 1 selon l’ingénieur en chef 57

Figure 23 Les points forts du fournisseur 1 selon le directeur des finances 57

Figure 24 Le plan GAIA (directeur général) 58

Figure 25 Le plan GAIA (Ingénieur en chef) 58

Figure 26 Le plan GAIA (directeur des finances) 59

 Liste des tableaux

Tableau N° Titre du tableau Page

Tableau 1 Structure d'une matrice de performances 36

Tableau 2 Les quatre situations fondamentales de préférence 37

Tableau 3 Tableau d'évaluation 41

Tableau 4 Tableau de performance (scénario directeur général) 49

Tableau 5 Tableau de performance (scénario ingénierie) 49

Tableau 6 Tableau de performance (scénario financier) 50

Tableau 7 Matrice de décision (scénario directeur général) 50

Tableau 8 Matrice de décision (scénario ingénierie) 51

Tableau 9 Matrice de décision (scénario financier) 51

 Liste des abréviations

Abréviation Expression Complète

PLM Product Lifecycle Managment

GDSS Group Decision Support System

SIAD Système Informatique d’Aide à la Décision

MOF Meta Object Facility

NPD New Product Development

PDM Product Data Managment

CAO Conception Assistée par Ordinateur

ERP Entreprise Resource Planning

AMCD Aide Multi-Critères à la Décision

PME Petite ou Moyenne Entreprise

Preference Ranking Organisation METHod for Enrichement

PROMETHEE
Evaluation

GAIA Graphical Analysis for Interactive Aid

IS Ingénierie Simultanée
 Table des matières

Introduction Générale ........................................................................................4

Chapitre 1 PLM (Product Lifecycle Managment) ..............................................6

1.1 Introduction............................................................................................................. 6
1.2 Définition du PLM : ................................................................................................ 6
1.3 L’évolution du PDM vers PLM : ............................................................................. 7
1.4 Les principes de gestion du cycle de vie du produit : ............................................... 8
1.4.1 La gestion des processus : ................................................................................ 8
1.4.2 La gestion des données : ................................................................................. 10
1.5 Les concepts de gestion du cycle de vie d’un produit : ........................................... 11
1.6 Interopérabilité et PLM : ....................................................................................... 12
1.7 Objectifs de PLM : ................................................................................................ 13
1.8 Que gère PLM ? .................................................................................................... 13
1.9 La modélisation du produit : .................................................................................. 14
1.9.1 Approche par méta-modélisation : .................................................................. 15
1.9.2 Approche par graphes de données : ................................................................ 16
1.10 Conclusion......................................................................................................... 16

Chapitre 2 GDSS (Group Decision Support System) ....................................... 18

2.1 Introduction........................................................................................................... 18
2.2 La décision : .......................................................................................................... 18
2.3 Processus décisionnel : .......................................................................................... 18
2.4 Pourquoi la prise de décision est difficile ? ............................................................ 20
2.5 Aide à la décision : ................................................................................................ 20
2.5.1 Les acteurs du processus d’aide à la décision : ................................................ 21
2.6 Les systèmes interactifs d’aide à la décision : ........................................................ 21
2.6.1 Typologie d’un SIAD : ................................................................................... 21
2.6.2 Fonctionnalités des SIAD : ............................................................................. 22
1
 2.6.3 Structure d’un système d’aide à la décision : .................................................. 22
2.7 L’aide à la décision de groupe : ............................................................................. 24
2.7.1 Décision de groupe......................................................................................... 24
2.7.2 Différents types des groupes :......................................................................... 25
2.7.3 Typologie des processus de prise de décision de groupe : ............................... 26
2.7.4 Modèles du processus de décision de groupe : ................................................ 26
2.8 Système interactif d’aide à la décision de groupe : ................................................. 27
2.8.1 Typologie des GDSS ...................................................................................... 28
2.8.2 Caractéristiques des GDSS : ........................................................................... 29
2.9 Les GDSS distribués ............................................................................................. 30
2.9.1 Architecture des GDSS distribués................................................................... 30
2.10 Pourquoi les GDSS ? ......................................................................................... 32
2.11 Les avantages des GDSS : ................................................................................. 32
2.12 Conclusion......................................................................................................... 33

Chapitre 3 Les méthodes multicritères et l’aide à la décision de groupe ........... 34

3.1 Introduction........................................................................................................... 34
3.2 L’aide multicritère d’aide à la décision .................................................................. 34
3.2.1 Définitions : ................................................................................................... 35
3.2.2 Concepts de base : .......................................................................................... 35
3.3 Les méthodes PROMOTHEE ................................................................................ 38
3.4 PROMETHEE GDSS ............................................................................................ 39
3.4.1 La procédure de PROMETHEE GDSS ........................................................... 39
3.5 Analyse de sensibilité de résolution des problèmes ................................................ 44
3.6 Conclusion : .......................................................................................................... 45

Chapitre 4 Application de la méthode PROMETHEE-GDSS à un cas d’étude et

simulation ........................................................................................................ 47
4.1 Introduction........................................................................................................... 47
4.2 Présentation de la problématique : ......................................................................... 47

2
 4.3 Tableaux de performance selon le point de vue de chaque acteur :......................... 49
4.4 Choix de la méthode multicritère PROMETHEE GDSS : ...................................... 50
4.4.1 VI.1. Matrice de décision : ............................................................................ 50
4.5 Test et simulation pour choisir une localisation pour la nouvelle usine : ................ 52
4.5.1 Analyse des résultats avec Visuel PROMETHEE ........................................... 52
4.5.2 Le plan GAIA : .............................................................................................. 57
4.6 Conclusion ............................................................................................................ 59

Conclusion Générale ........................................................................................ 60

Bibliographie ................................................................................................... 61

3
 Introduction Générale

Dans un contexte concurrentiel fort, les entreprises visent à améliorer leur compétitivité.
Celle-ci repose sur l’augmentation de la performance, de la qualité des produits et la réduction
des cycles et des coûts. Aujourd'hui, considérant l'ensemble de la gestion du cycle de vie du
produit, il s'agit d'étendre ce périmètre d'action aux disciplines entourant le produit.
La gestion du cycle de vie du produit, où le PLM (Product Lifecycle Management)
unifie l'ensemble des outils de création et de gestion des données et des moyens de l'entreprise
; il comprend non seulement les éléments liés à la conception et à la gestion documentaire, mais
également l'ensemble des composants rattachés au système d'information, assurant ainsi la
traçabilité du produit pendant sa fabrication, sa commercialisation jusqu'à sa disparition et son
éventuel recyclage. Tout au long des phases de PLM, de nombreuses décisions sont prises,
impliquant de multiples acteurs avec des points de vue différents et des interprètes
contradictoires.
En effet, chacun de ces acteurs à un regard différent sur la conception d'un même
produit. Chaque partie prenante a une vision différente du produit en fonction de ses objectifs
et de ses préoccupations. La prise de décision consiste à choisir parmi plusieurs alternatives
susceptibles de résoudre un problème dans un environnement donné. La prise de décision et
son exécution sont des objectifs fondamentaux de toute organisation et de toute gestion. Toute
organisation est structurellement dépendante de la nature des décisions que prennent les
décideurs en son sein.
Ainsi, en plus des "systèmes interactifs d'aide à la décision" actuels, des méthodes ont
été développées pour aider les groupes à trouver des solutions générales (systèmes d'aide à la
décision de groupe – GDSS pour Group Decision Support System en anglais).
La divergence des objectifs et les préférences de tous participants au processus de la
prise de décision ont qualifié le problème décisionnel comme étant un problème
« multicritères ». Pour ce faire, nous optons à l’élaboration des choix par le recours à des
méthodes d’analyse multicritères. Les méthodes d’analyse multicritères sont un ensemble de

4
méthodes d’aide à la décision correspondant à des choix collectifs où les points de vue sont
contradictoires, en se basant sur un certain nombre de critères.
Notre travail consistera à utiliser l’aide à la décision multicritères afin de résoudre notre
problématique portant sur la gestion du cycle de vie d’un produit au sein d’un GDSS.
Ce document, qui est un état de l’art des notions citées ci-dessus, sera donc divisé en quatre
parties :
Le premier chapitre intitulé « PLM (Product Lifecycle Management », est consacré
à définir les principes de la gestion de cycle de vie d’un produit. Dans ce chapitre nous parlerons
de l’évolutivité du PLM ainsi de ses concepts, ses principes et ses objectifs, ensuite une
présentation générale de la relation entre PLM et les systèmes d’aide à la décision de groupe
GDDS (Group Decision Support System).
Le deuxième chapitre intitulé « GDSS (Group Decision Support System) », nous aborderons
le thème de la décision, des systèmes de l’aide à la décision ainsi que sa structure, ensuite nous
parlerons des systèmes d’aide à la décision de groupe (GDSS).

Le troisième chapitre intitulé « les méthodes multicritères et l’aide à la décision de groupe »,

nous définirons l’aide multicritère à la décision ainsi que ces concepts de base. Nous nous
concentrons sur la méthode PROMETHEE-GDSS qui va nous servir à la résolution de notre
problématique. Cette méthode nous permettra de pouvoir obtenir un classement partiel puis
global des différentes actions possibles de la problématique.

Le quatrième chapitre intitulé « Application de la méthode PROMETHEE-GDSS à un cas

d’étude et simulation », comme son nom l’indique, c’est le chapitre dans lequel nous allons
appliquer l’approche multicritères dans un cas d’étude. Puis, nous allons simuler nos résultats
avec le logiciel « Visual PROMETHEE ».

5
 Chapitre 1

PLM (Product Lifecycle Managment)

1.1 Introduction

La conception de produits complexes nécessite la création d’un environnement

d’information produit intégré qui permet aux différents acteurs du réseau tels que les
partenaires, les fournisseurs et les clients d’accéder à toutes les informations sur les différentes
contraintes et exigences aux différentes phases du cycle de vie du produit. C’est l’essence de
la gestion du cycle de vie d’un produit (PLM) [44].
Le PLM est un outil spécifique d'application d’une stratégie centrée sur la gestion du cycle de
vie du produit dans une entreprise. Cette stratégie vise à soutenir et simplifier toutes les activités
de création de produit, de traitement et d'utilisation de références d'informations dans son cycle
de développement en mode collaboratif pour améliorer continuellement les performances.
Dans ce chapitre, nous allons définir ce qu’est la gestion du cycle de vie d’un produit (Product
Lifecycle Management -PLM en anglais) et son évolution. Ainsi, nous allons présenter dans ce
chapitre, les concepts de PLM, ses objectifs, la notion d’interopérabilité et PLM. Ce chapitre
abordera aussi les principes de la gestion du cycle de vie d’un produit. Ensuite, nous finirons
par aborder la relation entre le PLM et l’aide à la décision.

1.2 Définition du PLM :

PLM – Gestion du cycle de vie des produits – est une approche stratégique qui prend en charge
toutes les phases du cycle de vie des produits, de la conception à l’élimination, fournissant une
source de données unique et temporelle sur les produits. Intégrant les personnes, les processus

6
et les technologies et assurant la cohérence de l’information, la traçabilité et l’archivage à long
terme, PLM permet aux organisations de collaborer au sein et à travers l’entreprise étendue [3].

1.3 L’évolution du PDM vers PLM :

Dans les années 1980, les systèmes de conception assistée par ordinateur (CAO) ont
permis la création des modèles géométriques de produits dans des ordinateurs afin que les
concepteurs les réutilisent et les manipulent selon leurs besoins. Cependant, les fichiers CAO
consommaient beaucoup d’espace mémoire et les entreprises avaient du mal à gérer le grand
nombre de fichiers CAO nécessaires à la réalisation d’un seul projet.
Les systèmes de gestion de données de produit (PDM) ont été développés pour contrôler et
gérer ces nombreux fichiers. Le besoin d’un accès simple, rapide et sécurisé aux données dans
le processus de conception de produits a toujours été le principal moteur du développement de
PDM [19].
Ainsi, la fonction principale des premières systèmes PDM était de fournir aux
utilisateurs les données dont ils ont besoin via leur référentiel de données central, et d’assurer
l’intégrité des données du produit en mettant à jour et en contrôlant en permanence la manière
dont les personnes créent et modifient les données.
Cependant, deux principaux facteurs limitatifs entravent la poursuite de l’expansion des
systèmes PDM [19] :
 Premièrement, en termes de données, leur portée était limitée. Les informations gérées
par les premiers systèmes PDM se limitaient à des informations techniques telles que
des modèles géométriques.
 Deuxièmement, l’utilisation des systèmes PDM n’était pas toujours facile et une
formation en ingénierie/technique était généralement requise. Par conséquent, ils ne
suffisaient toujours pas à prendre en charge toutes les tâches de gestion des données
tout au long du cycle de vie du produit.

Le concept de PLM est apparu dans les années 1990 [19]. Son objectif est de transcender les
aspects techniques des produits et de fournir une plate-forme partagée pour la création,

7
l’organisation et la diffusion d’informations relatives aux produits. En effet, le PLM supervise
le processus de conception géré et contrôlé par le PDM à travers d’autres processus (y compris
en amont et en aval de la conception), de l’idée au retrait du produit [19].

1.4 Les principes de gestion du cycle de vie du produit :

La gestion des données techniques a démarré au début des années 90 pour répondre aux
besoins de gestion des données de conception. Ensuite le besoin des entreprises est passé de la
gestion des données à la définition d’un produit durant tout son cycle de vie [54].
Le rôle d’un outil PLM est centré sur la création d’un environnement de travail
collaboratif visant à soutenir et à fluidifier toutes les activités de création, de traitement et
d’utilisation des références informationnelles sur le produit au cours de son cycle de
développement par l’ensemble des acteurs impliqués. La gestion du cycle de vie d’un produit
s’articule autour de la gestion des données et la gestion des processus [54].

1.4.1 La gestion des processus :

Dans l’approche PLM, les processus sont aussi importants que les données. Un modèle
de processus permet de guider le déroulement d'une suite de tâches métiers (validation de
données, modification de produit, gestion de conflits, etc.), de coordonner les actions à réaliser
pour pouvoir réutiliser des savoir-faire, structurer et de garder trace des divers choix effectués
par les acteurs impliqués tout au long de leur cycle de vie d'un produit (figure 1). Enfin, le PLM
dispose, dans ses fonctionnalités d’origine, de moyens pour gérer les étapes de maturité des
documents dans le but d’assurer la fourniture d’informations formellement validées [54].

8
 Figure 1: modèle Produit et Modèle de processus [54]

1.4.1.1 Processus employés :

Les outils PLM permettent d’organiser et de systématiser le déroulement d’un processus
métier. Ce processus est alors déclaré dans le PLM à l’aide d’un workflow dans lequel est défini
l’ordre chronologique des activités, il est aussi spécifié les responsabilités, les droits d’accès
en fonction des rôles métier, les informations à fournir en entrée et les résultats, en sortie. Vous
voyez ci-dessous (figure 2) un exemple de cycle de vie de document métier et son workflow
associé [2].

Figure 2: cycle de vie et workflow d'un objet [2]

9
 Chaque acteur joue un rôle métier clairement défini, ce qui permet à l’outil PLM de
concilier le partage, la diffusion et la sécurisation des fichiers tout en contrôlant la disponibilité
en fonction des sites, des services, des groupes ou des personnes et les autorisations d’accès
pour les consultations, modifications, validations ou destructions des données [2].

1.4.2 La gestion des données :

Le PLM contient l’ensemble des données informationnelles du produit qui sert à un
raisonnement sur lequel les traitements sont effectués aux processus du cycle de vie. Au cours
de ces processus, le PLM permet de pointer sur les données utiles afin d’apporter de la valeur
aux décisions, aux informations et aux actions prises par nombreux experts métiers intervenant
à différentes étapes [54].

1.4.2.1 La structuration des données produit :

Le PLM repose sur l’utilisation d’une base unique et commune pour centraliser et
partager l’information dans le processus de développement. Cette condition aide à éliminer les
problèmes fréquemment rencontrés concernant l’existence, au sein du même service, de zone
de stockage propre à chaque participant. Ainsi, les informations sont stockées dans une base
de données commune et tous les services sont combinés. En outre, cela contribue également à
réduire les occurrences de duplication et à promouvoir le caractère unique de l’information.
Le PLM inclut également la définition des fonctionnalités et la gestion des droits
d’accès à la base de données pour tous les acteurs, ce qui rend possible la définition et la gestion
des actions de chacun [54].

1.4.2.2 Aspect multi-point de vue :

Différentes expertises métier sont envisagées en définissant différentes structures de
produits, il donc nécessaire de pouvoir fournir à chaque utilisateur des informations liées à ses
domaines d’intérêt. Afin de pouvoir gérer ces multiples structures, le travail dans mise en place
de la base de données introduit la notion de point de vue, puis dans la modélisation du système
d’information, notamment dans la modélisation des produits [50] [38][20].

10
 L'approche multi-perspective est basée sur le développement d'un modèle unique à
partir de différentes exigences de modélisation. Ce modèle unique peut être construit par
itérations successives ou par une combinaison de modèles partiels. Ce modèle unique est
accessible sous plusieurs angles, puis les données du modèle peuvent être centralisées. Le
concept de point de vue lié à l'utilisateur offre la possibilité de visualiser le modèle en fonction
de plusieurs points de vue. Cela équivaut à donner différentes « perspectives » sur la même
information, ce qui rend les utilisateurs se concentrent sur une partie du modèle global
spécifique à leurs besoins.
Le principal avantage de l'utilisation d'un seul modèle est que les modifications apportées à un
sous-modèle seront reflétées dans les autres sous-modèles. Par conséquent, les incohérences
causées par le partage de données entre les modèles partiels sont évitées [54].

1.5 Les concepts de gestion du cycle de vie d’un produit :

PLM tient la promesse d’intégrer et de rendre accessibles toutes les informations

produites tout au long de toutes les phases du cycle de vie d’un produit à tous les membres
d’une organisation, ainsi qu’aux principaux fournisseurs et clients [43]. La vision du PLM est
de donner l’accès à une source unique de données d'état fiables lorsque cela est nécessaire,
représentant ainsi toutes les étapes du cycle de vie du produit, pour que la description statique
du produit et de ses composants est suffisante pour effectuer toutes les tâches de gestion
nécessaires sans avoir besoin pour saisir des données à plusieurs reprises.
Tous les différents concepts ou méthodes sont basés sur le modèle de données partagé,
qui est construit à partir de produits spécifiques liés à la gestion des données de référence, à la
gestion des documents et à la gestion de l’état.
Le modèle de données partagé est en outre utilisé pour créer des aspects plus complexes,
tels que la nomenclature pour les pannes fonctionnelles, l'assemblage, la gestion ou la vente,
ainsi que la gestion de la configuration, la gestion de l'efficacité, le changement de gestion, la
gestion des projets et des processus. Ces aspects peuvent être considérés comme spécifiques

11
au PLM. Ils sont accompagnés d'aspects qui ne sont pas particulièrement liés au PLM, tels que
la gestion des utilisateurs, la gestion des transactions, la gestion de la sécurité et la gestion des
workflows ou la gestion des fichiers, qui sont plus courants dans les systèmes logiciels
généraux [43].

1.6 Interopérabilité et PLM :

La plupart des produits PLM ont gagné en complexité au cours des dernières années.
Ceci est motivé par la nécessité d'offrir aux utilisateurs plus de commodité et de nouvelles
expériences utilisateur [43]. PLM est une méthodologie pour gérer toutes les données pendant
le cycle de vie d’un produit, mais PLM n’est pas une application unique. Le PLM doit toujours
être considéré comme un réseau prenant en charge de nombreuses applications dans différents
domaines spécifiques au cours du cycle de vie du produit [43]. Par conséquent, il est fortement
nécessaire d’échanger et de partager les données PLM entre différentes applications et
différents domaines, ainsi qu’au sein des réseaux de partenaires et des chaînes
d’approvisionnement.
Une solution PLM dépend fortement de la disponibilité et de la qualité des données [43].
Les principales sources de données sont les systèmes de création ou les anciennes données
stockées dans des bases de données, des feuilles de calcul ou des archives. Les données doivent
être identifiées, regroupées, classées et nettoyées selon la terminologie choisie pour être
révisées et maintenues dans un système PLM [43].
Les outils informatiques permettant d’inspecter, de transformer et de charger des
données au moyen d’interfaces bien définies aideront à prévenir la réplication interactive
erronée des données. Bien qu’il suffise d’assurer l’interopérabilité des outils utilisés, les
modèles de données des outils doivent être coordonnés et cartographiés. Même s’il n’est pas
nécessaire d’intégrer tous les outils dans une solution unique, l’interdépendance des modèles
de données conduira inévitablement à une intégration contextuelle [43].

12
1.7 Objectifs de PLM :

PLM atteint des objectifs clés, que nous explorerons ci-dessous :

 Besoin d’innovation :

L’innovation repose sur la créativité ce qui est plus susceptible de se produire dans des
environnements ouverts qui facilitent l’inclusion des meilleures idées. Un environnement
créatif est hautement collaboratif et tient tous les acteurs toujours informés, facilitant ainsi la
communication entre les différentes parties [19].
 Satisfaction et fidélité de la clientèle :

En savoir plus sur les besoins et les comportements des clients aiderait à développer
l’intelligence qui conduit à la conception de produits qui répondent correctement à leurs
attentes. Pour assurer une communication riche et efficace, le flux d’information entre les
clients et le fabricant devrait être aussi fluide et direct que possible [19].
 Réduire la complexité des produits :

La nécessité de répondre à un large éventail de besoins des clients d’une manière plus efficace
et fiable donne lieu à des produits de plus en plus complexes, ces produits ont souvent des
conceptions complexes [19].
 Réduction du cycle de vie des produits :

Compte tenu du taux élevé d’introduction de nouveaux produits sur le marché ainsi que de la
rapidité avec laquelle les besoins des clients changent, les produits dont le processus de
développement est long sont susceptibles d’être dépassés plus tôt que prévu, d’où le besoin
d’un environnement collaboratif avec des sources de connaissances ouvertes permettant
l’accélération du processus de développement et en même temps l’amélioration de ses
performances [19].

1.8 Que gère PLM ?

La gestion du cycle de vie des produits est une approche stratégique qui prend en charge
toutes les phases du cycle de vie des produits, du concept à l’élimination, en fournissant une

13
source unique et limitée dans le temps de données produit. En intégrant les personnes, les
processus et les technologies et en garantissant la cohérence, la traçabilité et l’archivage à long
terme des informations, le PLM permet aux organisations de collaborer au sein et à travers les
entreprises étendues [3].
Un système qui contient toutes les informations sur un produit est particulièrement utile
dans sa phase de conception et son processus de modification technique. La phase de
conception d’un nouveau produit est un processus décisionnel dans lequel les informations sur
les produits sont progressivement créées, sélectionnées, organisées et diffusées, puis adoptées
par les phases en aval du processus menant à la phase de production.
Un PLM est à la fois un système de gestion des données sur les produits et un système
de gestion des connaissances. Ces données et ces connaissances peuvent être générées ou
exigées par d’autres systèmes.
L’information sur les produits produite, stockée et échangée entre les membres du
processus NPD (New Product Development) n’est souvent pas structurée et dont elle prend la
forme d’un document [29]. « Un document est ensemble d’informations relatives à un sujet,
structuré pour la compréhension humaine, représenté par une variété de symboles, stocké et
traité comme une unité » [23]. Un document est traité « comme une unité » précisément parce
que son contenu d’information n’est généralement pas suffisamment structuré logiquement
pour être associé à un attribut ontologique et donc à un champ de la base de données.
Ces documents doivent être traités par PLM car ils contiennent des informations sur le
produit, et ils sont utilisés et affinés comme des objets intermédiaires comme une étape entre
le concept commercial et le produit complètement défini [29].

1.9 La modélisation du produit :

Dans les travaux sur les approches de modélisation, Lemesle [42] présente la
modélisation comme « une activité qui consiste à transformer des descriptions informelles de
la réalité en des descriptions formelles, appelées modèles, afin de pouvoir opérationnaliser les
connaissances. Le modèle est une représentation abstraite de la réalité au sens où il simplifie

14
cette réalité en vue d’une utilisation précise ». Le modèle est donc une vue particulière mais
pertinente de la réalité. Il permet de simuler le fonctionnement de l’élément étudié,
l’information modélisée pouvant être de n’importe quelle nature.

1.9.1 Approche par méta-modélisation :

De manière à garantir la correspondance des modèles, il faut e référer à un vocabulaire
et une grammaire regroupée dans un méta-modèle. En effet, un modèle possède une sémantique
précise qui définit dans un autre modèle, de niveau d’abstraction plus élevé appelé méta-
modèle. Le MOF (Méta-Object Facility) [47] permet de définir 3 niveaux d’abstraction, chaque
niveau étant décrit à partir du niveau supérieur (figure 3).

Figure 3: le MOF (Méta-Object Facility) [47]

Le contexte des systèmes d’informations produit et plus particulièrement des

applications PLM nécessite la disposition de systèmes évolutifs et flexibles pour anticiper et
réagir aux évolutions des besoins complexes, riche et à forte sémantique des utilisateurs. Dans
ce contexte, les approches orientées objet présentent plusieurs avantages pour la conception et
le déploiement des applications PLM notamment en termes de réutilisation de code à partir des
spécifications identiques. Ainsi, il est important de définir un cadre de modélisation et de
15
nouveaux concepts capables de couvrir la diversité des applications PLM et autoriser leurs
évolutions.

1.9.2 Approche par graphes de données :

Au regard de la problématique issue de la modélisation des données techniques sous
forme de configuration ou de graphe, il demeure que les données en soit ne constituent pas
l’information essentielle dans une application PLM, mais que ce sont les interactions entre les
données et donc les liens qui leurs donnent tout leur sens. Ainsi, la complexité n’est pas issue
uniquement des informations techniques du produit ni de son cycle de vie, mais également de
l’impact d’un évènement sur l’ensemble des données qui définissent le produit [54].
La problématique autour du PLM est double, en effet il s’agit de modéliser les
applications PLM pour d’une part, formaliser les concepts nécessaires pour modéliser des
configurations et des points de vue traités précédemment et, d’autre part, permettre
l’organisation, la gestion et la navigation dans les graphes de données. Aussi, nous présentons
dans ce qui suit les différentes approches significatives en termes de représentation
d’information permettant de structurer les données. Nous retenons le formalisme sNets en
réponse à nos préoccupations par le fait qu’il permet d’encapsuler dans les modèles des
applications PLM sa vue génétique ou méta-modèle [54].

1.10 Conclusion

Dans ce chapitre, nous avons définit la notion de PLM (Product Lifecycle Management)
et son intérêt dans les entreprises. D’abord, nous avons commencé par parler de son évolution,
ses objectifs, ses concepts. Ensuite, nous avons cité les différents principes de la gestion du
cycle de vie du produit et les différentes approches de la modélisation du produit. Finalement,
nous avons présenté le lien entre la gestion du cycle de vie du produit et l’aide à la décision,
tout au long des phases du PLM, de nombreuses décisions sont souvent prises en collaboration.
Les systèmes d'aide à la décision de groupe (GDSS) aident à les soutenir. Cela est
particulièrement vrai lors de l'utilisation de pratiques d'ingénierie simultanée (IS) pour

16
compresser le cycle de vie grâce au parallélisme des phases du cycle de vie et aux équipes
interfonctionnelles de personnes de différentes unités commerciales [8].

17
 Chapitre 2

GDSS (Group Decision Support System)

2.1 Introduction

La prise d’une bonne décision dans une organisation est une tâche complexe. La prise
de décision exige l’intégration de plusieurs intervenants ayant des points de vue différents,
d’où la notion d’aide à la décision.
Ce chapitre a pour but d’élaborer tous les concepts importants de l’aide à la décision, en
commençant par définir qu’est-ce qu’une décision et aboutissant à l’aide à la décision de
groupe.

2.2 La décision :

La décision est le fait d’un acteur (ou d’un ensemble plus ou moins cohérent de
décideurs) qui effectue un choix entre plusieurs solutions susceptibles de résoudre le
problème, ou la situation, auquel il est confronté [45].
Selon HAMDADOU [17], une décision est un choix entre les actions, les solutions possibles
encore appelées les alternatives.
Une décision est une action qui est prise pour faire face à une difficulté ou répondre à
une modification de l’environnement, c’est-à-dire, pour résoudre un problème qui se pose à
l’individu ou à l’organisation [1].

2.3 Processus décisionnel :

La prise de décisions administratives est considérée comme rationnelle. Ils connaissent

leurs solutions de rechange ; ils connaissent leurs résultats ; ils connaissent leurs critères de
décision ; et ils ont la capacité de faire le choix optimal, puis de le mettre en œuvre [31].

18
Selon le modèle rationnel, le processus de prise de décision peut être divisé en six étapes :
[5]. (Voir Figure 4)

Figure 4: Processus décisionnel [5]

Après qu’un problème est identifié, des solutions alternatives au problème sont
générées. Ceux-ci sont soigneusement évalués, et la meilleure alternative est choisie pour la
mise en œuvre. La solution de rechange mise en œuvre est ensuite évaluée au fil du temps
afin d’en assurer l’efficacité immédiate et continue. En cas de difficultés à un stade
quelconque du processus, le recyclage peut être effectué [14].
Ainsi, nous voyons que la prise de décision est une suite logique d’activités. C’est-à-
dire qu’avant de générer des solutions de rechange, il faut cerner le problème, etc. De plus, la
prise de décisions est une activité itérative. Comme le montre la figure, la prise de décisions
est un événement récurrent, et les décideurs peuvent tirer des leçons des décisions passées
[14].

19
2.4 Pourquoi la prise de décision est difficile ?

Dans de nombreuses organisations, ou des entreprises, les problèmes décisionnels ne

peuvent pas être facilement faits, et ici plusieurs raisons peuvent être évoquées [36] :
 L’évolution économique et le marché de plus en plus concurrentiel poussent sans
cesse les organisations à prendre de meilleures décisions ;
 La marché et le monde évoluent de plus en plus vite, les décisions doivent dont être
prises plus rapidement ;
 La quantité d’informations et de connaissances disponibles augmente rapidement ; les
organisations ont donc besoins d’outils pour les utiliser efficacement ;
 La modification de la structure hiérarchique ; les organisations ont tendance à adopter
des organigrammes de plus en plus plats et à donner de pouvoir aux niveaux
inférieurs, notamment en faisant participer les gens à réunions ;
 La maitrise de la complexité, l’amélioration de l’efficacité, et l’évolution
technologique
 La prise en compte des spécificités géographiques ; les décideurs peuvent être
représentatifs de différents sites de l’organisation et avoir des expériences relatives à
des contextes organisationnels, humains, et culturels différents.

2.5 Aide à la décision :

La notion d’aide à la décision est définit par Roy comme étant l’activité de celui qui,
prenant appui sur des modèles clairement explicités mais non nécessairement complètement
formalisés, cherche à obtenir des éléments de réponses aux questions que pose un intervenant
(décideur) dans un processus de décision, éléments concourant à éclairer la décision, à
prescrire, à recommander ou simplement à favoriser un comportement dénature à accroître la
cohérence entre l’évolution du processus d’une part, les objectifs et le système de valeurs au
service duquel cet intervenant se trouve placé, d’autre part [12].

20
2.5.1 Les acteurs du processus d’aide à la décision :
Selon [17], un acteur de l’aide à la décision est « tout individu intervenant dans le
processus d’aide à la décision », dont nous citons :
 Le décideur : la personne assistée par l’aide à la décision et qui est aidée pour mieux
exprimer ses préférences vis-à-vis une situation donnée.
 L’homme d’étude (l’analyste) : un individu ou un groupe d’individus qui a pour rôle
d’établir le système de préférences, de définir le modèle d’aide à la décision, de
l’exploiter afin d’obtenir des réponses et d’établir des recommandations pour
conseiller le décideur sur les solutions envisageables.
 Les intervenants : sont ceux qui, par leur intervention, conditionnent directement la
décision en fonction du système de valeurs dont ils sont porteurs.
 Les agis : ils sont concernés par les conséquences de la décision, ils interviennent
directement dans le processus par l’image que d’autres acteurs se font de leurs valeurs
et plus concrètement de leurs systèmes de préférences.
 Les demandeurs : ils demandent l’étude et allouent les moyens.

2.6 Les systèmes interactifs d’aide à la décision :

Un SIAD est un système informatique dont le rôle est d’assister le décideur tout au long
du processus de décision. Keen et Scott-Morton [39] ont défini un système d’aide à la
décision comme suit :« les systèmes d’aide à la décision dont coupler les ressources
intellectuelles des individus avec les capacités de l’ordinateur pour améliorer la qualité des
décision ».

2.6.1 Typologie d’un SIAD :

Les SIAD ont été regroupés en quatre principaux systèmes selon [16] :
 Passif : donne un avis qui ne vient pas empiéter l’autonomie de l’utilisateur.
 Traditionnel : est un assistant dont la principale utilisation concerne les interactions de
type « What-if ? ».

21
  Etendu : assure la fonction de consultant et se place au même niveau que l’utilisateur.
 Nominatif : domine le processus de décision. L’opérateur ne remplit plus qu’un rôle
passif dans la prise de décision.

2.6.2 Fonctionnalités des SIAD :

Un SIAD est utilisé par un décideur pour accomplir une ou plusieurs fonctions telles
que [51] :
1. Accéder à l’information pertinente et permettre un contrôle de ces accès.
2. Diagnostiquer le problème objet de l’étude, en rendant possible la présentation des
informations sous une forme bien adaptée à l’interprétation des données.
3. Définir de nouveaux concepts à partir des concepts déjà existants (structuration des
données).
4. Structurer l’information sous forme de modèles.
5. Permettre la description et l’analyse de l’information sous forme de modèles.
6. Conserver et gérer les objets du système.
7. Permettre la manipulation de ces objets pour la prise de décision.
8. Permettre une évaluation des possibilités par l’utilisateur des fonctions de préférence
modélisant les préférences du décideur vis à vis des divers critères.
9. Faciliter la communication entre les décideurs, même s’ils sont dispersés
géographiquement.

2.6.3 Structure d’un système d’aide à la décision :

Marakas [22] propose une architecture générale faite de cinq parties distinctes : Le
système de gestion de base de données, le système de gestion de base de modèles, le système
de gestion de base de connaissances (moteur de connaissances), l’interface utilisateur et les
utilisateurs (figure 5).

22
 Figure 5: structure d'un SIAD basé sur la connaissance selon [22]

 Un système de gestion et de génération de dialogue (Interface utilisateur) qui est une

partie importante de la fonctionnalité du système. Il constitue l’interface entre
l’utilisateur et le reste du système. A travers les interfaces gérées par ce module, les
fonctions d’accès aux données et de calcul et le système utilisent le même vecteur
pour lui communiquer les opérations qu’il a effectuées. Il permet une session
interactive dynamique et un échange d’informations en temps réel entre l’utilisateur et
le système.
 Un système Gestionnaire de Base de Données (SGBD) ; Dans un SIAD, un système
de base de données, doit mettre en corrélation des données de différentes sources,
permettre une recherche rapide de données par des requêtes et rapports et réaliser des
tâches de recherche et de manipulation complexe de données.
 Un Système Gestionnaire de Base d Modèles (SGBM) ainsi que la base de modèles
associée qui possède un rôle similaire au système gestionnaire de base de données
excepté qu’il organise, trie, stocke les modèles quantitatifs de l’organisation ; il peut
s’agir d’outils de programmation mathématiques, de modèles de prédiction et de
simulation, de modèles financiers et de calcul standards et de procédures de
représentations des données.
 Un utilisateur qui fait partie intégrante du processus de résolution de problèmes.

23
  Un Système de Gestion de Base de Connaissances (SGBC ou moteur de
connaissances) qui remplit les tâches relatives à la reconnaissance de problèmes et à
la génération de solutions finales ou intermédiaires aussi bien que des fonctions
relatives à la gestion du processus de résolution de problèmes.

2.7 L’aide à la décision de groupe :

Dans la plupart des organisations, la grande majorité des décisions sont prises après une
consultation intensive de plusieurs personnes [39]. Keen a montré que plus les organisations
devenaient complexes moins les décisions étaient prises par des individus seuls.
Les participants à un processus de décision doivent joindre leurs efforts pour un but
commun ou ils doivent intégrer des points de vue multiples qui ne sont pas forcément en
harmonie les uns avec les autres. Ils doivent travailler ensemble pas forcément au même
endroit ni au même moment. Ils sont engagés dans un effort de coordination afin de résoudre
le problème ou ils doivent diviser la prise de décision en différentes sous taches qui seront
affectés à des participants individuels [40].

2.7.1 Décision de groupe

L’activité de prise de décision collaborative est définie comme : une convergence
d’interactions cognitives et visuelles, planifiées ou opportunistes, où des personnes acceptent
de se rassembler pour un objectif commun, dans une période définie, soit au même endroit,
soit dans des endroits différents, dans le but de prendre des décisions [46].
Pour Marakas dans [13], l’aide à la décision collective est une activité conduite par
une entité collective composée de deux ou plusieurs individus et caractérisée à la fois en
termes de propriétés de l’entité collective et de celles de ses membres individuels. Turban et
Aronson [18] soutiennent que la majorité des problèmes de prise de décision du monde réel
impliquent plusieurs décideurs. Comme la prise de décision se dirige d’une activité
individuelle vers une activité de groupe, beaucoup d'organisations forment des équipes
virtuelles d’agents de connaissance géographiquement distribués pour collaborer dans une

24
variété de tâches [53][27][48][32]. Cette définition combine plusieurs aspects définis dans la
littérature. Elle comporte plusieurs dimensions [35] :
 Le groupe de personnes : La décision n’est pas le fait d’un seul individu, mais d’un
collège aux rôles et objectifs potentiellement différents et donc c’est un aspect
collectif.
 La prise de décision : Elle constitue l’activité de choix entre plusieurs alternatives.
 Un objectif commun : Il s’agit du partage de l’objectif final entre les participants et de
la compréhension de leur rôle afin d’atteindre de cet objectif.
 Le niveau de formalisation variable (planifiée ou opportuniste) : la définition englobe
donc en partie les échanges opportunistes, imprévus et informels.
 La dimension temporelle bornée (une période de temps définie) est primordiale car
elle induit un début et une fin à l’activité. Il peut s’agir d’une activité informelle de
quelques minutes jusqu’à une activité pouvant prendre plusieurs semaines.
 La distribution géographique : des acteurs de la décision se justifie par les réalités
organisationnelles. La prise de décision peut ainsi rassembler des acteurs distribués
sur un ou plusieurs sites.

2.7.2 Différents types des groupes :

Le travail de groupe peut être organisé de trois manières selon [4] :
 Interactif : Seule une personne du groupe peut proposer son idée à un instant donné,
car les membres du groupe ne peuvent prêter attention qu’à une seule personne à la
fois.
 Nominal : Les membres du groupe travaillent séparément sur la même tâche et un des
résultats est choisi comme le produit du groupe. Un groupe nominal peut être utilisé
pour fournir un processus d’anonymat pour les membres du groupe.
 Equipe : Un travail d’équipe combine les aspects du travail de groupe interactif et
nominal sont combinés à la fois en un travail d’équipe. Chaque groupe de travail est
divisé en équipes, qui travaillent séparément. Les équipes sont de taille assez réduite.

25
2.7.3 Typologie des processus de prise de décision de groupe :
Il existe plusieurs variétés de processus de prise de décision de groupe en fonction des
intérêts des différents acteurs du processus [34].
 Processus décisionnel multi-décideurs coopératifs : Lorsque les décideurs ont des
intérêts et des objectifs communs.
 Processus décisionnel multi-décideurs non-coopératifs : Lorsque les différents
décideurs ont des avis divergents voire conflictuels.

2.7.4 Modèles du processus de décision de groupe :

La figure ci-dessous (figure 6) montre les étapes du processus de prise de décision de
groupe.

Figure 6: Modèle du processus de décision de groupe [1]

26
Abdelhadi [1] a décrit les différentes étapes de ce processus comme suit :
 Phase de préparation du problème : Cette étape permet la préparation en ligne des
réunions en fixant en accord avec tous les participants, la problématique de la réunion,
le jours ainsi que l’heure à laquelle devrait se tenir la réunir pour s’assurer de la
disponibilité de tout un chacun afin d’éviter les imprévus et permettre à ces derniers
de pouvoir se préparer en avance pour la réunion en effectuant des recherches.
 La compréhension collective du problème : L ’objectif rechercher au cours de cette
étape est la compréhension et l’analyse de l’objet de la réunion de tous les
participants.
 Génération des solutions : Au cours de la phase de germination des solutions,
l’objectif est de concevoir différentes solutions et alternatives susceptibles de résoudre
le problème.
 Négociation et confrontation des points de vue : Ici les alternatives de chaque
participant sont confrontées à celles des autres dans l’optique de s’accorder ensemble
et choisir celle qui est la plus optimale possible
 Décision : Cette étape permettra d’évaluer toutes les alternatives retenues au cours de
la précédente étape et d’en choisir la meilleure.
 Phase de suivi : La dernière étape permet de mettre en application la décision prise.

2.8 Système interactif d’aide à la décision de groupe :

Le GDSS (Group Decision Support System) ou système d’aide à la décision de groupe

est « un ensemble des technologies qui soutiennent les activités effectuées par des décideurs
organisés en un groupe » [7].
Un GDSS est également connu sous l’appellation de groupware, il est défini comme
étant « une collection de logiciels, du matériel, et de procédure, conçus pour supporter
automatiquement le travail de groupe » [46].
Selon HAMADOU [13], « un GDSS est systèmes interactifs et informatisé qui facilite
la résolution des problèmes non structurés par un ensemble de décideurs fonctionnant
27
ensemble en tant que groupe. Il aide les groupes, particulièrement groupes des directeurs, en
analysant des situations de problème et en accomplissant des tâches de prise de décision de
groupe ».
D’un point de vue technologique le groupware se situe aux frontières de l’informatique
et des télécommunications. En effet des technologies issues de l’informatique ainsi que de la
télécommunication sont utilisées [40].
D’un point de vue système d’information, le groupware se situe aux frontières de la
bureautique et de l’informatique transactionnelle. En effet, d’un point de vue utilisateur les
outils de groupware font partie de la gamme des outils de bureautique et utilisent des
infocentres [40].

2.8.1 Typologie des GDSS

Les auteurs DeSanctis et Gallupe [21] définissent trois types de GDSS correspondant
aux trois niveaux d’évolution que ces auteurs ont mis en perspective :
 Le premier type : la fonction essentielle des GDSS du premier niveau est d’améliorer
la communication entre les décideurs.
 Le deuxième type : les GDSS du deuxième niveau, intégrant les mêmes
caractéristiques que ceux du premier, ils sont en plus dotés de procédures permettant
de modéliser et d’agréger les préférences individuelles afin d’établir un consensus.
Remarquons que les GDSS de ces niveaux font souvent intervenir un facilitateur dont
le rôle est de faire avancer le processus de décision.
 Le troisième type : les GDSS de niveau 3 permettraient de façon automatisée de
structurer les échanges d’information et la communication sur la base de
recommandations émises par des systèmes experts, par exemple les règles à suivre au
cours du processus de décision et les méthodes d’aide à la décision à mettre en œuvre,
en fonction du contexte.

28
2.8.2 Caractéristiques des GDSS :
Quel que soit le type de GDSS considéré on distingue deux dimensions de bases qui
caractérisent un GDSS [34]. Ces deux caractéristiques sont :
 La Proximité
 La synchronisation

Figure 7: Classification selon la matrice espace-temps [34]

La figure 7 permet de visualiser les différents types de réunions GDSS selon suivant la
matrice espace-temps.

Figure 8: Combinaisons des systèmes d’aide à la décision de groupe [34]

29
La figure 8 met en évidence les différents outils GDSS utilisés en fonction de la matrice
espace-temps.

2.9 Les GDSS distribués

Les GDSS sont des GDSS décentralisés qui sont présents dans différents endroits et
permettent la prise de décision de groupe de façon dynamique et rapide. La dispersion des
participants à un processus de prise de groupe a favorisé l’avènement des GDSS distribués.
Grâce aux GDSS distribués l’échange entre les différents participants n’est plus limité à la
matrice espace-temps, le temps imparti pour échanger des idées devient alors continu au lieu
d’être reparti à la durée d’une réunion [34].

2.9.1 Architecture des GDSS distribués

Nous distinguons trois architectures différentes les unes des autres de systèmes d’aide à la
décision de groupe distribués.
 Les architectures centralisées
La figure 9 ci-dessous illustre que dans ce type d’architecture une hiérarchie est imposée.
Tous les composants (participants) transmettent leurs informations à une entité supérieure (le
coordinateur centrale).

Figure 9: Architecture centralisée [1]

30
  Les architectures décentralisées
Dans ce type d’architecture chaque composant est autonome. Il n’y a aucune hiérarchisation
(figure 10).
Les GDSS distribués décentralisés sont en opposition avec les GDSS à architecture
centralisées.

Figure 10: Architecture décentralisée [1]

 Les architectures hybrides

Figure 11: Architecture hybride [1]

31
Comme son nom l’indique, l’architecture hybride est un mélange des deux architectures
(figure 11). On y retrouve une entité supérieure et hiérarchique qui collecte les données des
autres entités qui fonctionnent indépendamment de l’entité supérieure.

2.10 Pourquoi les GDSS ?

L’utilisation croissante des systèmes d’information pour l’aide à la décision est le

résultat de deux facteurs suivants :
 Tout d’abord, les micro-ordinateurs sont de plus en plus performants alors que leur
coût décroît continuellement [41].
 Ensuite, la sophistication ainsi que la convivialité des logiciels ont permis d’améliorer
les capacités cognitives du traitement.
L’utilisation de ces logiciels est devenue de plus en plus massive à tous les niveaux de
l’entreprise. Les systèmes de gestion de bases de données, les logiciels de
télécommunications ainsi que les systèmes de bureautique (Traitement de texte, publication
assistée par ordinateur, etc.) sont autant d’exemples illustratifs [41]. Une caractéristique
commune à ces logiciels réside dans le fait que les dialogues avec le décideur sont
essentiellement basés sur les modes d’interaction du type question/réponse et de menu à
choix multiples pour l’entrée des données, ainsi que les représentations tabulaires et
graphiques pour la sortie des données. Cependant, ces logiciels ne peuvent pas assister des
groupes de décideurs dans leurs relations interpersonnelles. En effet, aucun support pour les
échanges d’informations ou le partage et transfert des données n’est prévu [41]. Le besoin des
logiciels pour assister les décideurs est devenu très utile et nécessaire pour résoudre des
situations complexes.

2.11 Les avantages des GDSS :

Les avantages spécifiques d’un GDSS sont nombreux, en effet, il [46] :

 Permet la communication parallèle entre les membres des groupes.

32
  Offre des opportunités égales et anonymes pour contribuer par des idées et des
opinions.
 Élimine les dominations trop grandes de certains membres du groupe.
 Permet de connaître les opinions communes rapidement parmi les membres du
groupe.

2.12 Conclusion

Dans ce chapitre nous avons abordé et détaillé le thème d’aide à la décision de groupe.
Ainsi, les systèmes interactifs d’aide à la décision de groupe et leurs avantages. L’aide à la
décision de groupe a pour but de permettre aux entreprises de trouver le meilleur chemin pour
la prise d’une solution meilleure optimale en regroupant les différents points de vue et les
informations des différents intervenants.

33
 Chapitre 3

Les méthodes multicritères et l’aide à la décision de

groupe

3.1 Introduction

Dans le chapitre précédent, nous avons illustré l’importance de la prise d’une décision
au sein d’une organisation, ainsi que l’utilisation des systèmes d’aide à la décision de groupe
(GDSS) qui permettent la prise de décision collective à distance. Ces systèmes jouent un rôle
critique, dans les situations de décision avec plusieurs individus de plusieurs métiers, chacun
ayant son propre point de vue privé sur le traitement du problème de décision.
Dans un tel environnement, le conflit entre les membres du groupe n’est pas rare. A cet
effet les méthodes d’aide à la décision à critères multiples (AMCD) sont exploitées afin d’offrir
à la fois une démarche et des outils de solutions de tels conflits interpersonnels lorsque
l’objectif est de parvenir à un consensus entre les membres du groupe ou au moins de réduire
le nombre de conflits entre les individus participants.
Ce chapitre traitera la problématique de gérer le produit tout au long de son cycle de vie
en se basant sur l’aide multicritères à la décision de groupe.

3.2 L’aide multicritère d’aide à la décision

L’aide à la décision est devenue une étape primordiale dans une organisation, lorsque
cette dernière est confrontée à des problèmes complexes de nature multicritères. Ces
problèmes induisent une décision (ou une série de décisions) lourde(s) de conséquences.
L’aide multicritères à la décision est un paradigme possédant ses propres approches,
modèles et méthodes qui cherchent à aider le décideur à décrire, évaluer, ranger, choisir ou

34
rejeter un ensemble d’alternatives. Ce paradigme s’appuie sur l’évaluation à l’aide de notes,
de valeurs et d’intensités de préférences, en fonction d’un ensemble de critères [37].
L’Aide Multicritères à la Décision (AMCD) désigne un ensemble d’outils d’aide à la
décision développés depuis les années 1960. Elle vise à la résolution des problèmes incluant
plusieurs alternatives et en considérant plusieurs critères de décision simultanément [15].

3.2.1 Définitions :
Il existe plusieurs définitions de l’aide multicritères à la décision.
D’après Vincke [49], l’analyse multicritères est une approche constructiviste visant à fournir
des outils permettant de progresser dans la résolution d’un problème ou plusieurs points de vue,
souvent contradictoires, doivent être pris en compte.

3.2.2 Concepts de base :

 Les actions :

Une action a est la représentation d’une éventuelle contribution à la décision globale. Une
action est dite globale, si, dans sa mise en exécution, elle est exclusive de toute action introduite
dans le modèle, dans le cas contraire elle est dite fragmentaire. Une action potentielle est une
action réelle ou fictive provisoirement jugée réaliste par au moins un auteur. On note ‘A’
l’ensemble des actions potentielles [33].
 Les critères :

La définition proposée dans [6] est qu’un critère est une référence par rapport à laquelle on
mesure la conséquence d’une action, en d’autres termes un critère exprime plus ou moins les
préférences du décideur relativement à un attribut donné. Le choix de la famille des critères
n’est pas une opération évidente, il doit respecter les conditions suivantes [28] :
o Exhaustivité : il ne faut pas oublier un critère.
o Cohérence : il doit y avoir une cohérence entre les préférences locales de chaque critère
et les préférences globales. C’est-à-dire que si une action a1 est égale à une action a2 pour
tous les critères sauf pour un (où elle lui est supérieure), ceci signifie que l’action a 1 est
globalement supérieure à l’action a2.

35
 o Indépendance : il ne doit pas y avoir de redondance entre les critères. Leur nombre doit
être tel que la suppression d’un des critères ne permet plus de satisfaire les deux
conditions précédentes.

 La matrice de performances :

Une matrice de performance aussi dite matrice d’évaluation ou tableau de performance.

Comme son nom l’indique, est une matrice où chaque ligne représente une action et chaque
colonne un critère. L’intersection d’une ligne i avec une colonne j représente le jugement de
l’action par rapport au critère j (performance). Le tableau 1 illustre la structure de la matrice de
performances.
 Des actions ou alternatives (A) : A= {a1, a2, a3, …, an}, n désigne le nombre
d’alternatives.
 Des critères (C) : C= {c1, c2, c3…, cm}, m désigne le nombre des critères, les Sij
(i=1, m ; j=1, n) sont les performances [35].

Critères Actions (Alternatives)

A1 A2 A3 - An
C1 S11 - - - S1n
C2 S21 - - - S2n
… - - - - -
Cm Sm1 Sm2 Sm3 - Smn

Tableau 1: Structure d’une matrice de performances.

 Le système relationnel de préférence

Avant d’apporter une aide à la décision, il est nécessaire d’évaluer le système de valeurs et les
préférences des différents acteurs qui interviennent dans le processus. Le tableau 2 ci-dessous
illustre les quatre situations fondamentales qui sont considérées comme représentatives des
réactions potentielles lors de la comparaison de deux actions [12] : les méthodes d’analyse
multicritères pour l’identification de stratégies de réhabilitation efficaces.
36
 Situation Définition Relation
Indifférence Deux actions a1 et a2 sont I : relation symétrique et
indifférentes : les deux réflexive.
actions sont tellement
proches qu’il est difficile de
dire que l’une est meilleure
que l’autre.
Préférence stricte L’une des deux actions (nous P : relation asymétrique et
savons laquelle) est irréflexive.
strictement préférée à l’autre
Préférence faible L’une des deux actions (nous Q : relation asymétrique et
savons laquelle) est non irréflexive.
strictement préférée à l’autre
sans que nous puissions dire
si l’autre est strictement
préférée ou indifférente car
aucune des deux situations
précédentes ne s’impose.
Incomparabilité Les deux actions sont non R : relation symétrique et
comparables : elles sont irréflexive.
tellement différentes l’une de
l’autre qu’il est difficile de
pouvoir les comparer.

Tableau 2: les quatre situations fondamentales de préférence.

 Les problématiques de décisions :

Quatre problématiques de décision sont définies pour caractériser les méthodologies de réponse
[11] :

37
 o Problématique de choix (Pα) : identifier la meilleure alternative ou
sélectionner un nombre limité d’alternatives considérées comme les plus
pertinentes ;
o Problématique de tri ou de sélection (Pβ) : classer les alternatives selon des
groupes homogènes préétablis ;
o Problématique de rangement (Pγ) : générer un classement des différentes
alternatives des « meilleures » solutions vers les moins « bonnes » ;
o Problématique de description (Pδ) : identifier les caractéristiques principales
des alternatives et les décrire selon différents aspects.

3.3 Les méthodes PROMOTHEE

PROMETHEE (Preference Ranking Organisation METHod for Enrichment

Evaluations) est une méthode qui consiste à construire une relation de surclassement valuée
mais en essayant de se baser sur des concepts et des paramètres qui ont une interprétation
compréhensible par le décideur. PROMETHEE est une aide à la décision qui utilise
l’agrégation partielle, elle est pratique dans le cas où le nombre d’alternatives à classer est fini.
Dans cette approche, la technique consiste à comparer les actions deux à deux et à vérifier si
selon certaines condition préétablis, l’une des deux actions surclasse l’autre ou pas de façon
claire et nette. A partit de toutes ces comparaisons, elle permet de réaliser un classement
complet de différentes alternatives [30].
Les méthodes PROMETHEE comprennent PROMETHEE II, PROMETHEE V
(optimisation sous contraintes), le système d’aide à la décision en groupe PROMETHEE
GDSS, et d’autres extensions. Dans notre proposition nous sommes intéressés par la
PROMETHEE GDSS. Avec PROMETHEE GDSS, il est possible de prendre en compte
simultanément une multitude de critères exprimées par plusieurs décideurs pour obtenir un
classement global des alternatives (actions).

38
 Le plan GAIA (Graphical Analysis for Interactive Aid) lui permet une meilleure
compréhension des conflits et des similarités entre les critères de décision et entre les décideurs.
Les méthodes PROMETHEE ont été mises en œuvre avec succès pour résoudre des problèmes
multicritères et multi-décideurs dans divers domaines [52].

3.4 PROMETHEE GDSS

PROMETHEE GDSS fait partie de la famille des méthodes PROMETHEE, elle permet
de prendre en compte les préférences d’un groupe de décision. Dans un premier temps le groupe
de décideurs identifient les différentes alternatives et les différents critères d’évaluation.
Par la suite un classement individuel est établi suivant les poids et les fonctions de
préférences qu’attribue chaque décideur aux différents critères, finalement on regroupe les
différents classements individuels pour obtenir un classement global qui prend en compte les
préférences de l’ensemble de décideurs [30].
De plus, la méthode regroupe les différents classements individuels pour un classement
global. Ce classement tient compte des préférences de tous les décideurs. Enfin, l’analyse
globale GAIA identifie les décideurs qui partagent des préférences similaires et ceux qui sont
en conflit.

3.4.1 La procédure de PROMETHEE GDSS

Les avantages des méthodes PROMETHEE sont l’utilisation de l’agrégation partielle,
en effet elles permettent de prendre en compte plusieurs critères quantitatifs et qualitatifs sans
avoir à effectuer aucun codage ni changer les indicateurs de mesures, elles ne permettent pas
de compensation entre critères. A l’aide de PROMETHEE GDSS, il est possible de prendre en
compte simultanément une multitude de critères exprimée par plusieurs décideurs pour obtenir
un classement global des alternatives [30].
PROMETHEE GDSS permet de prendre en compte simultanément une multitude de
critères exprimés par plusieurs décideurs pour obtenir un classement global des alternatives.
Selon [24] une itération de la procédure PROMETHEE GDSS consiste en 11 étapes regroupées
en trois phases :

39
  Phase I : génération d’alternatives et de critères.
 Phase II : évaluation individuelle par chaque DM.
 Phase III : évaluation globale par le groupe.

Phase I : Génération d’alternatives et de critères

 Etape 1 : premier contact entre facilitateur et décideurs. Le facilitateur rencontre les
décideurs ensemble ou bien individuellement afin que chacun d’eux soit informer des
modalités ainsi que la problématique qui a nécessité la réunion.
 Etape 2 : description du problème en présentiel dans la salle GDSS. C’est aussi
l’occasion pour le facilitateur décrit l’infrastructure informatique, la méthodologie
PROMETHEE et présente le problème d’une façon claire.
 Etape 3 : génération d’alternatives. Il s’agit d’une étape informatique. Chaque
décideur implémente des alternatives possibles, y compris leur description étendue en
fonction du problème (figure 12).

Figure 12: Exemple de génération d’alternatives [25].

40
  Etape 4 : ensemble stable d’alternatives : Toutes les alternatives proposées sont
collectées et affichées par le coordinateur de façon anonyme ou pas. Ensuite s’ouvre
une discussion animée, des alternatives sont annulées, de nouvelles sont proposées,
des combinaisons sont fusionnées, jusqu’à ce qu’un ensemble stable d’alternatives
soit atteint.
 Etape 5 : commentaires sur les alternatives. C’est encore une étape informatique.
Chaque décideur met en œuvre ses commentaires sur toutes les alternatives. Tous ces
commentaires sont collectés et affichés par le coordinateur. Rien ne se perd.
 Etape 6 : la même procédure que pour les alternatives est appliquée pour définir un
ensemble stable de critères d’évaluation. Les activités informatiques et de discussion
ouverte alternent. A la fin, le cadre d’un tableau d’évaluation est obtenu (tableau 3).
Ce cadre consiste en une matrice. Ceci termine la première phase. Des rétroactions
sont déjà possibles pour être sûr qu’un ensemble stable d’alternatives et de critères est
atteint.

Actions/critères 𝑓1 (𝑥) 𝑓2 (𝑥) … 𝑓𝑗 (𝑥) … 𝑓𝑘 (𝑥)

𝑎1 𝑓1 (𝑎1 ) 𝑓2 (𝑎1 ) … 𝑓𝑗 (𝑎𝑖 ) … 𝑓𝑘 (𝑎1 )
𝑎2 𝑓1 (𝑎2 ) 𝑓2 (𝑎2 ) … 𝑓𝑗 (𝑎2 ) … 𝑓𝑘 (𝑎2 )
… … … … … … …
𝑎𝑖 𝑓1 (𝑎𝑖 ) 𝑓2 (𝑎𝑖 ) … 𝑓𝑗 (𝑎𝑖 ) … 𝑓𝑘 (𝑎𝑖 )
… … … … … … …
𝑎𝑛 𝑓1 (𝑎𝑛 ) 𝑓2 (𝑎𝑛 ) … 𝑓𝑗 (𝑎𝑛 ) … 𝑓𝑘 (𝑎𝑛 )

Tableau 3 : Tableau d’évaluation

Phase II : Evaluation individuelle par chaque DM

 Etape 7 : Poids des critères
Considérons :
DMr (r=1,2,…R), l’ensemble de tous les décideurs qui interviennent dans le processus
de décision.
Le poids de chaque critère sera alors représenté sous la forme :
41
 𝑊𝑘𝑟 avec k l’ensemble des critères.
(𝑊1𝑟 , 𝑊2𝑟 , 𝑊𝑗𝑟 , . . . , 𝑊𝑘𝑟 ) tel que (∑𝑘𝑗=1 𝑊𝑗𝑟 = 1)
Lorsqu’un décideur considère qu’un critère est inutile pour lui, il attribue à ce dernier
un poids égal à zéro 0, cela signifie que ce critère n’apparaîtra pas dans son analyse
personnelle.
 Etape 8 : La fonction de préférence selon la procédure GDSS, une fonction de
préférence doit être associée à chaque critère pour des comparaisons par paire.
𝑃𝑗 (𝑎, 𝑏) = 𝐺𝑗 [𝑓𝑗 (𝑎) − 𝑓𝑗 (𝑏)]
0 ≤ 𝑃𝑗 (𝑎, 𝑏) ≤ 1
Où 𝑃𝑗 (𝑎, 𝑏) est la fonction de préférence associée au critère 𝑓𝑗 (. ), et 𝐺𝑗 () est une
fonction non décroissante de déviation entre 𝑓𝑗 (𝑎) et 𝑓𝑗 (𝑏).

Figure 13: Fonction de préférence [25]

Si 𝑓𝑗 (. ) est un critère à maximiser nous auront :

𝐺𝑗 [𝑓𝑗 (𝑎) − 𝑓𝑗 (𝑏)] = 0 Si 𝑓𝑗 (𝑎) < 𝑓𝑗 (𝑏) Pas de préférence

42
𝐺𝑗 [𝑓𝑗 (𝑎) − 𝑓𝑗 (𝑏)] ≠ 0 Si 𝑓𝑗 (𝑎) > 𝑓𝑗 (𝑏) Faible préférence
𝐺𝑗 [𝑓𝑗 (𝑎) − 𝑓𝑗 (𝑏)] ≠ 1 Si 𝑓𝑗 (𝑎) >> 𝑓𝑗 (𝑏) Forte préférence
𝐺𝑗 [𝑓𝑗 (𝑎) − 𝑓𝑗 (𝑏)] = 1 Si 𝑓𝑗 (𝑎) >>> 𝑓𝑗 (𝑏) Préférence stricte de a par
rapport à b
 Etape 9 : Analyse individuelle PROMETHEE-GAIA. Les classements les profils des
alternatives et du plan GAIA ainsi que le vecteur de flux net sont obtenus
instantanément, afin que chaque décideur ait sa propre vision claire du problème.

Phase III : Evaluation globale par le groupe

 Etape 10 : Affichage des enquêtes individuelles. Les classements et le plan GAIA de
chaque décideur sont collectés et affichés par le coordinateur afin que le groupe de
tous les décideurs soit informé des conflits potentiels.
 Etape 11 : Evaluation globale. Les vecteurs de flux net de tous les décideurs sont
collectés par le coordinateur et placés dans une matrice. Il s’agit d’une matrice assez
petite, facile à analyser. Chaque critère de cette matrice exprime le point de vue d’un
décideur particulier. Comme l’indiquent Marchais, Brans et Marsechal [26], le
problème de décision devient n* DMs ou « n » est le nombre d’actions, DM
représente le décideur, et « s » le nombre de décideurs, le flux individuel représente
l’évaluation des alternatives au regard des décideurs comme la montre la figure ci-
dessous (figure 14).

43
 Figure 14: Procédure PROMETHEE GDSS [25].

Le flux du groupe de décision peut être obtenu directement par la somme pondérée des flux
individuels. Le flux net global fournit directement le classement PROMETHEE GDSS des
alternatives suivant les préférences globales du groupe de décision. Si tous les décideurs sont
satisfaits du classement des solutions le processus s’arrête ici. Dans le cas contraire une analyse
de sensibilité est nécessaire pour résoudre les conflits.

3.5 Analyse de sensibilité de résolution des problèmes

Si le groupe de décision arrive à atteindre le meilleur compromis après les résultats du

classement global PROMETHEE GDSS et que toutes les parties prenantes sont satisfaites alors

44
la session de prise de décision est finie. Mais si dans le cas contraire un ou plusieurs décideurs
ne sont pas d’accord avec ce compromis, il est essentiel d’essayer de résoudre ces problèmes.
Plusieurs paramètres influents sur le résultat, la résolution du problème passe une analyse de
sensibilité. Comme l’indiquent Marcharis, Brans et Mareschal l’analyse de sensibilité consiste
à modifier les paramètres qui influents sur le résultat afin d’analyser leur impact sur le
résultat [26] :
 La première étape est de modifier le poids (importance) de chaque décideur et voir s’il
est possible d’arriver à un compromis.
 La seconde étape est de modifier les fonctions de préférences attribuées à chaque
critère de décision et voir s’il est possible d’arriver à un compromis.
 Si le conflit persiste toujours entre les décideurs l’étape suivante est de modifier les
poids des critères.
 La quatrième étape est d’envisager la possibilité de revoir les alternatives qui créent le
conflit.
 La cinquième étape consiste à envisager la possibilité de revoir les critères de décision
qui créent le conflit.
 Si après tous les étapes précédentes le conflit persiste toujours, il est recommandé
d’envisager la reconstitution du groupe de décision (ce paramètre est valable
seulement dans un contexte multi décideur)

3.6 Conclusion :

Nous avons présenté dans ce chapitre le principe des méthodes multicritères dans l’aide
à la décision, et plus particulièrement la méthode PROMETHEE GDSS qui vont nous servie
dans le prochain chapitre. Dans le chapitre qui suit, nous allons appliquer les méthodes
d’analyse multicritère afin de traiter notre problématique qui est la gestion de cycle de vie
d’un produit.

45
46
 Chapitre 4

Application de la méthode PROMETHEE-GDSS à

un cas d’étude et simulation

4.1 Introduction

Dans les chapitres précédents, nous avons présenté le terme PLM (Product Lifecycle
Managment) et son rôle dans la gestion du cycle de vie d’un produit. Ensuite, nous avons décrit
le système d’aide à la décision de groupe (GDSS), qui permet la prise de décision collective à
distance. Le GDSS est utilisé pour permettre aux décideurs de partager, d’extraire et d’analyser
les informations et de prendre des décisions. Puis, nous avons exploité l’aide à la décision
multicritères afin d’offrir à la fois une démarche et des outils de solutions à des problème
décisionnels complexes.
Nous avons choisi comme un cas d’étude la localisation d’une nouvelle usine pour lancer
la fabrication d’un nouveau produit destiné à un marché spécifique. Nous allons traiter cette
problématique par l’utilisation de l’approche PROMETHEE-GDSS. A la fin de ce chapitre,
nous allons présenter et utiliser le logiciel de simulation PROMETHEE-GAIA pour simuler la
méthode PROMETHEE.

4.2 Présentation de la problématique :

Nous avons choisi un exemple d’étude de cas dans [9] afin d’étudier et valider l’utilité
des principes d’aide à la décision dans le soutien des problèmes de décision PLM survenant.
Le choix de cet PME (Petite ou Moyenne Entreprise) de moins de 100 employés qui
fabrique de très petits ressorts de précision. La société a besoin d’une nouvelle machine de
fabrication des ressorts pour un marché spécifique. Le problème de décision est de savoir quelle

47
machine choisir parmi quel fournisseur, chose qui aura une incidence sur de nombreux aspects
du développement des produits et du cycle de vie des ressorts sur ce marché.
Le choix d’une décision est pris par trois personnes qui sont en contact quotidien. Toutefois, il
est important de prendre une décision éclairée car celle-ci aura une incidence sur la capacité de
fabrication à l’avenir, ainsi, cette décision pourra aider un ingénieur nouvellement recruté à
comprendre les aspects techniques spécialisés des produits et la façon dont ils sont fabriqués.
Dans notre exemple, ces décisions doivent en fin de compte être approuvées par le directeur
général (le coordinateur). D’autres intervenants sont l’ingénieur en chef et le directeur finances.
1. Les objectifs :

Selon l’énoncé du problème défini ci-dessus, nous avons établi les exigences, qui sont les
suivantes :
 Réduire le coût de fabrication
 Réduire le coût d’investissement sur machines
 Augmenter le bénéfice de l’entreprise
 Economiser du temps
2. Les critères :
 Besoin de l’entreprise
 Qualité de production
 L’expérience des opérateurs de machine
 Niveau technique
 Qualité de la machine
 Coût d’investissement
3. Les intervenants :
 Directeur général (coordinateur)
 Ingénieur en chef
 Directeur des finances
4. Les fournisseurs représentent les actions potentielles du problème, tel qu’on note par
(fournisseur 1, …, fournisseur n) où (n) est le nombre de fournisseurs.

48
 4.3 Tableaux de performance selon le point de vue de chaque
acteur :

Un tableau de performances représente l’évaluation de chaque fournisseur par rapport à

chaque critère considéré. Nous présentons dans ce qui suit les tableaux de performances selon
les points de vue des différents acteurs impliqués dans cette problématique.
1. Directeur général :

Actions/critères Investissement Besoin Qualité Expérience Niveau technique Qualité

(Min) d’entreprise production opérateurs (Max) machine
(Max) (Max) (Max) (Max)
Fournisseur 1 150 Yes Very good 20 Good Good
Fournisseur 2 170 Yes Average 15 Bad Average
Fournisseur 3 178 No Bad 7 Very bad Bad

Tableau 4: Tableau de performance (scénario directeur général)

2. Ingénieur en chef :

Actions/critères Investissement Besoin Qualité Expérience Niveau technique Qualité

(Min) d’entreprise production opérateurs (Max) machine
(Max) (Max) (Max) (Max)
Fournisseur 1 150 Yes Very good 20 Good Good
Fournisseur 2 170 Yes Average 15 Average Very good
Fournisseur 3 178 No Bad 7 Very bad average

Tableau 5:Tableau de performance (scénario ingénierie)

3. Directeur des finances :

Actions/critères Investissement Besoin Qualité Expérience Niveau technique Qualité

(Min) d’entreprise production opérateurs (Max) machine
(Max) (Max) (Max) (Max)
Fournisseur 1 150 Yes Good 20 Good Good

49
Fournisseur 2 170 Yes Average 15 average Very good
Fournisseur 3 178 No Bad 7 Very bad Average

Tableau 6: Tableau de performance (scénario financier)

4.4 Choix de la méthode multicritère PROMETHEE GDSS :

Après avoir présenté les critères qui caractérisent le problème du choix d’une nouvelle
machine à ressorts. Nous nous intéressons, à présent, au choix de la méthode multicritère pour
répondre à la problématique de classer les différents critères. Notre choix s’est porté sur la
méthode PROMETHEE GDSS. L’extension GDSS de PROMETHEE et GAIA permet de
comparer les points de vue de plusieurs décideurs, d’analyser et de comprendre les conflits qui
apparaissent entre eux, et de proposer des solutions de consensus [10].

4.4.1 Matrice de décision :

Nous présentons les poids de chaque critère dans les tableaux ci-dessous :
a) Directeur général :

Actions/critères Investissement Besoin Qualité Expérience Niveau Qualité

(Min) d’entreprise production opérateurs technique machine
(Max) (Max) (Max) (Max) (Max)
Fournisseur 1 150 Yes Very good 20 Good Good
Fournisseur 2 170 Yes Average 15 bad average
Fournisseur 3 178 No Bad 7 Very bad Bad
Poids 0,25 0,15 0,25 0,10 0,10 0,15

Tableau 7: Matrice de décision (scénario directeur général)

b) Ingénieur en chef :

50
Actions/critères Investissement Besoin Qualité Expérience Niveau Qualité
(Min) d’entreprise production opérateurs technique machine
(Max) (Max) (Max) (Max) (Max)
Fournisseur 1 150 Yes Very good 20 Good Good
Fournisseur 2 170 Yes Average 15 Average Very good
Fournisseur 3 178 No Bad 7 Very bad Average
Poids 0,10 0,15 0,15 0,10 0,30 0,20

Tableau 8: Matrice de décision (scénario ingénierie)

c) Directeur des finances :

Actions/critères Investisseme Besoin Qualité Expérience Niveau Qualité

nt d’entreprise production opérateurs technique machine
(Min) (Max) (Max) (Max) (Max) (Max)
Fournisseur 1 150 Yes Good 20 Good Good
Fournisseur 2 170 Yes Average 15 Average Very good
Fournisseur 3 178 No Bad 7 Very bad average
Poids 0,25 0,20 0,15 0,10 0,10 0,20

Tableau 9: Matrice de décision (scénario financier)

Vecteur de poids (w) :

𝑘

∑ 𝑤𝑗 = 1
𝑗=1

Les poids sont distribués par l’importance de chaque critère, par exemple pour le point de vue
de l’ingénieur, le critère niveau technique est très important alors on donne « 0,30 », les deux
critères investissement et expérience opérateurs sont moins importants que les autres alors on
donne « 0,10 ».
Puis, nous allons utiliser le plan GAIA (Graphical Analysis for Interactive Aid) pour obtenir
des informations sur les conflits, les similarités entre les critères de décision et entre les

51
décideurs. Il fournit une aide précieuse pour comprendre les préférences des différents
décideurs ainsi que la performance de chaque action pour ces derniers.

4.5 Test et simulation pour choisir une nouvelle machine de

fabrication de ressorts :

Cette partie permet de mieux visualiser notre contribution et les résultats obtenus ci-
dessus. Elle simule la méthode PROMETHEE-GDSS avec le logiciel GAIA. La méthode
PROMETHEE-GDSS prend en compte les préférences des différents décideurs afin d’obtenir
un classement global. Ainsi, elle permet de prendre en compte plusieurs critères quantitatifs et
qualitatifs pour choisir la meilleure localisation d’usine. La simulation avec GAIA permet
d’observer à travers une interface graphique les actions, les critères à travers plusieurs
scénarios, d’obtenir des graphes montrant clairement le surclassement des alternatives.

4.5.1 Analyse des résultats avec Visuel PROMETHEE

Dans ce qui suit, nous présentons l’interface principale du logiciel Visuel
PROMETHEE. Dans cette interface, nous remarquons tous les critères ainsi que leurs poids et
les différentes actions (alternatives) ainsi que les préférences de chaque acteur.
a) L’interface du directeur général

52
 Figure 15: Interface principale de Visual PROMETHEE (scénario directeur général)

b) L’interface d’ingénieur en chef

Figure 16:Interface principale de Visual PROMETHEE (scénario ingénierie)

c) L’interface du directeur des finances

53
 Figure 17: Interface principale de Visual PROMETHEE (scénario finance)

Ce qui suit le classement partiel qui nous donne le classement PROMETHEE I & II des
différentes actions, (les trois scénarios) :

Figure 18: Classement partiel PROMETHEE I (scénarios : directeur général, ingénieur en

chef et directeur des finances respectivement)

54
Figure 19: Classement global PROMETHEE II (scénarios : directeur général, ingénieur en
chef et directeur des finances respectivement)

Ce classement nous permet de voir un surclassement des différents alternatives

(fournisseurs). Ici, nous remarquons, selon les trois intervenants, le surclassement du
fournisseur 1 sur tous les autres fournisseurs (alternatives), suivie de fournisseur 2, et en
dernier le 3ème fournisseur.
Nous voyons, dans la figure ci-dessous, nous voyons l’écart entre le fournisseur 1 et les
deux autres fournisseurs. Le fournisseur 1 domine très nettement les autres fournisseurs.

55
 Figure 20: Vue sue les flux net (les trois scénarios)

Les figures ci-dessous montrent les points forts du fournisseur 1 selon chaque intervenant.

Figure 21: Les points forts du fournisseur 1 selon le directeur général

56
 Figure 22: Les points forts du fournisseur 1 selon l’ingénieur en chef

Figure 23: Les points forts du fournisseur 1 selon le directeur des finances.

Nous notons, pour l’ingénieur et le directeur des finances, que les points forts de la
machine du fournisseur 1 sont l’investissement, la qualité de la production, l’expérience
des opérateurs et le niveau technique suivis par le besoin d’entreprise. Tandis que, ils
trouvent que son point faible est la qualité de la machine.

4.5.2 Le plan GAIA :

La figure ci-dessous présente le plan GAIA. En analysant les répartitions des actions et
de critères sur le plan nous constatons les points forts et les points faibles des différents
fournisseurs. Les points forts correspondent aux axes pointant dans la direction du fournisseur.
Les faibles correspondent aux axes pointant dans la direction opposée du site.

57
Figure 24: Le plan GAIA (directeur général)

Figure 25: Le plan GAIA (Ingénieur en chef)

58
 Figure 26: Le plan GAIA (directeur des finances)

4.6 Conclusion

Dans ce dernier chapitre, nous avons appliqué la méthode PROMETHEE-GDSS pour

faire le choix du fournisseur pour acheter une nouvelle machine pour fabriquer des ressorts à
très petite taille en se basant sur plusieurs critères.
A l’aide de la méthode PROMETHEE nous avons obtenu le classement partiel et global
des différentes alternatives.
En dernière analyse, l’utilisation du logiciel PROMETHEE-GAIA, le logiciel d’aide à
la décision multicritères, nous a permis à simuler la méthode PROMETHEE afin de mieux
observer toutes les actions ainsi que tous les critères à travers une interface graphique qui
montre le comportement de ces derniers dans chaque scénario. Après les calculs statistiques
des critères différents fournisseurs, nous trouvons que le fournisseur 1 qui a le meilleur
classement par ses points forts.

59
 Conclusion Générale

Ce travail a été réalisé dans le but d’utiliser un système d’aide à la décision de groupe
pour la gestion du cycle de vie d’un produit. Nous avons, au premier lieu, défini la notion de
la gestion du cycle de vie et son rôle majeur dans les entreprises. Ensuite, nous avons abordé
le concept d’aide à la décision de groupe et son implémentation à travers un système d’aide à
la décision de groupe (GDSS). Les GDSS permettent de prendre une décision de groupe en
mode synchrone et distribué.

Toutefois, l’aide à la décision ne résout pas seulement le problème décisionnel, mais

accorde une aide aux décideurs afin qu’ils clarifient leurs idées et expriment aux mieux mieux
leurs préférences.

Notre objectif est de faciliter la conception technique de produits industriels dans un

environnement collaboratif, multi-utilisateurs et distribué. Pour cela, nous utilisons les
méthodes d’analyse multicritères. L’objectif principal de toute méthode d’aide à la décision
multicritères est d’aider les décideurs dans le but d’augmenter l’efficacité de l’analyse de la
décision. Néanmoins, il existe plusieurs méthodes différentes qui peuvent être utilisées pour
atteindre cet objectif, nous nous sommes intéressés de la méthode PROMETHEE-GDSS.

Dans la partie contribution, nous avons utilisé un logiciel d’aide à la décision

multicritères PROMETHEE-GAIA pour résoudre la problématique posée.

A terme, nous proposons de concevoir un GDSS plus axé sur les concepts PLM ;
permettant la modélisation graphique 3D des nouveaux produits, facilitant la communication
en temps réel entre décideurs, ainsi que les notifications lors des révisions.

60
 Bibliographie

[1] A. Adla. (2010). Aide à la facilitation pour une prise de décision collective : proposition
d'un modèle et d'un outil. thèse de Doctorat, Université de Toulouse , Mathématiques
informatique (MI), Toulouse.
[2] A. BERTIN, D. N. (30 aout 2012). Aide au déploiement du retour d'Expérience en
entreprise via l'exploitation d'un PLM. 9ème conférence internationale de
Modélisation, Optimisation et SIMulation. Bordeaux - France.
[3] A. Corallo, M. L. (2013). Defining Product Lifecycle Management: a journey across
features, definitions, and concepts. international scholarly research notices, 1-10.
[4] A. Gaouar. (2014). Proposition d’un Outil d’aide à l’évaluation des Stratégies de
Coordination dans le fonctionnement d’un WEB-DSS : Application à une Gestion de
production dynamique. thèse de Magister, Université de Tlemcen, Tlemcen.
[5] A. H. Schoenfeld. (2011). How we think: A theory of goal-oriented decision making and its
educational applications. New York: NY: Routledge.
[6] A. Schärlig. (15 novembre 1999). Décider sur plusieurs critères, panorama de l’aide à la
décision multicritère. (E. Press, Éd.) Lausanne, Suisse,: Presses Polytechniques et
Universitaires Romandes.
[7] A.E.K. Oualed Mahrez. (27/11/2012). modèle multi-agent pour l'aide à la décision de
groupe. thèse de Magister, Université d'Oran1, Oran.
[8] B. Haque, K. P. (2000). Analysing organisational issues in concurrent new product
development. international journal of production economics, 67(2), 169-182.
[9] B. L. MacCarthy, R. C. (juin 2020). Group decision support for product lifecycle.
International Journal of Production Research, 59, 1-18.
[10] B. Mareschal. (2011-2022). Méthodes multicritères d'aide à la décision. Récupéré sur
PROMETHEE & GAIA:: http://www.promethee-gaia.net/FR/promethee.html
[11] B. Roy. (1985). Méthodologie Multicritère d'Aide à la Décision. Paris: Economica.

61
[12] B. Roy, &. D. (1993). Aide multicritère à la décision : méthodes et cas”. Paris (France):
Economica.
[13] B. Tung, S.-W. A. (1988). Un système d’aide à la décision de groupe pour les décisions
stratégiques de l‘entreprise. Co-oP, 445-454.
[14] C. Fred. (2010). The decision making process. NATIONAL FORUM OF EDUCATIONAL
ADMINISTRATION AND SUPERVISION JOURNAL, 27(4).
[15] D. HAMDADOU, K. B. (octobre 2016). Méthodologie Multicritère d'aide à la décision
cours et exercices,. thèse de Doctorat, Université d'Oran Es-Senia, Oran.
[16] D.E. Goldberg. (1989). Genetic Algorithms in Search, Optimization and Machine
Learning. Addison-Wesley.
[17] Dj. Hamdadou. (2008). Un modèle d'aide à la décision en aménagement du Territoire,
une approche Multicritère et une approche de négociation. thèse de Doctorat,
Université d'Oran 1 , Mathématiques informatique (MI), Oran.
[18] E. Turban, J. A. (1998). Decision Support and Intelligent systems. Prentice Hall
International.
[19] F. Ameri, D. D. (2005). Product lifecycle management: closing the knowledge loops.
Computer-Aided Design and Application, 2(5), 577-590.
[20] F. Noel. (2006). a dynamic multi-view product model to share the product behaviours
among designers. 1(5), 113-120.
[21] G. DeSanctis, R. B. (1987). A foundation for the study of group decision support systems.
management science, 33(5), 589-609.
[22] G. Marakas. (2003). Decision Support Systems in the 21st Century, Second Edition.
Prentice Hall.
[23] H. Ralph, S. J. (1995). Electronic Document Management: Challengenes and
Opportunities for Information Systems Managers. MIS Quarterly, 19, 29-49.
[24] J.P, B. M. (2005). PROMETHEE METHODS. Dans Multiple criteria decision analysis:
state of the art surveys (pp. 163-196). Boston, Dordrecht, London: Springer Verlag.
[25] J.P. BRANS. (1982). L'ingénierie de la décision; Elaboration d'instruments d'aide à la
décision : méthode PROMETHEE. Dans R. a. Nadeau (Éd.), L'aide à la décision :

62
 Nature, Instruments et perspectives d'avenir (pp. 183-213). Québec,, Canada: Presses
de l'Université Laval.
[26] J.P. BRANS, B. M. (1988). Geometrical representations for MCDA. European Journal of
Operation Research, 34, 69-77.
[27] J-M. Hoc. (1996). supervision et contrôle de processus la cognition en situation
dynamique. Presses Universitaires de Grenoble.
[28] L. Y. Maystre, J. P. (1994). Méthodes multicritres ELECTRE: description, conseils
pratiques et cas d'application la gestion environnementale. European Journal of
Engineering Education, 19(4), 517.
[29] M. David, F. R. (2015). What does PLMs (Product lifecycle management systems)
manage: Data or documents? Complementarity and contingency for SMEs. Computers
in Industry, 75, 140-150.
[30] M. SEDDIKI. (2016). L'aide à la décision multicritère pour la rénovation thermique des
bâtiments en maçonnerie: cas de l'algérie. Revue des Energies Renouvelables, 19.
[31] M. Towler. (2010). Rational decision making: An introduction. New York: NY : Wiley.
[32] M. Wooldridge, a. N. (1999). Software Engineering with Agents: Pitfalls and Pratfalls.
IEEE Internet Computing, 3(3).
[33] M.F. MEZIANE. (2017). Gestion de la sécurité dans la coopération d’un groupe d’experts
en télémaintenance. thèse de Master, Université de Mostaganem, Mathématiques et
d’Informatique, Mostaganem.
[34] Mahamadou, S. (2021). Utilisation de l’approche FAHP/FPROMETEE pour l’élection
d’un Facilitateur (coordinateur) au sein d’un GDSS. thèse de Master, Université de
Mostaganem, Mostaganem.
[35] Miranda. (1999). Meeting facilitation : Process versus content interventions. Journal of
Management Information Systems, 15(4), 89-114.
[36] N. Boudraa. (25 / 11/ 2012). Elaboration d'un système multicritère d'aide à la décision
spatial de groupe: ver négociation par l'agrémentation. thèse de Master, Université
d'Oran 1, Mathématique et Informatique (MI), Oran.

63
[37] N. HAMDANI. (17 décembre 2019). Un système d'aide multicritères à la décision de
groupe : une approche basée sur le web services et les agents. thèse de Doctorat,
Université d'Oran1, Oran.
[38] O. Milion. (1998). de l'intégration des métiers par les données techniques vers la maîtrise
de la modélisation conceptuelle: la méthode V.I.M (Viewpoints Information Modeling).
thèse de doctorat, Université Henri Poincaré - Nancy I, Nancy. 1998.
[39] P. Keen, M. S.-M. (1978). Decision Support Systems: an organizational perspective.
AddisonWesley Publishing.
[40] P. Zaraté. (2005). Des systèmes interactifs d'aide à la décision aux systèmes coopératifs
d'aide à la décision:Contributions conceptuelles et fonctionnelles. thèse de Doctorat,
INSTITUT NATIONAL POLYTECHNIQUE DE TOULOUSE (INPT), Toulouse.
[41] R. Caillet. (2003). Analyse multicritère : étude de l'existant et application en analyse du
cycle de vie. Rapport de Stage, l’École Polytechnique Palaiseau, France.
[42] R. Lemesle. (2000). Technique de modélisation et de méta-modélisation. Université de
Nantes, Automatique et Informatique Appliquée.
[43] R. Sudarsan, S. F. (2005). A product information framework for product lifecycle
management. Computer-Aided Design, 37(13), 1399-1411.
[44] S. G. Lee, Y.-S. M. (2008). product lifecycle management in aviation maintenance, repair
and overhaul. computers in industry, 59(2-3), 296-303.
[45] S. Khiat. (04/06/2020). Modélisation spatio temporelle par agents intelligents des
systèmes d'aide à la décision temps réel et distribués. thèse de Doctorat, University
Oran 1, Mathématiques informatique (MI), Oran.
[46] S. Madouri. (2011-2012). Vers un système d’aide multicritère à la décision de groupe en
aménagement du territoire : application à la localisation spatial. thèse de Magister,
Université d'Oran1, Oran.
[47] T. Gardner, C. G. (août 2003). A review of OMG MOF 2.0 Query / Views/Transformations
Submissions and recommendations towards the final standard. IBM Hursley
Development Laboratory, United Kingdom.

64
[48] V. Clawson, &. R. (1993). The facilitation role in group support systems. In Proceedings
of the 1993 Conference on Computer Personnel Research, (pp. 323-335).
[49] Vincke, P. (1989). L'aide multicritère à la décision. (É. d. Bruxelles, Éd.) Bruxelles.
[50] Y. Harani. (1997). une approche multi-modèles pour la capitalisation des connaissances
dans le domaine de la conception. thèse de doctorat, institut national polytechnique de
Grenoble, Grenoble. 1997.
[51] Y. Maache. (2011). Aide à la décision d'ordonnancement inter-entrepris dans le cadre des
travaux de la maintenance Cas : Société de Maintenance de l'Est (SME). Mémoire
d'ingénieur, Université de Batna, Batna.
[52] Y. TEMINA. (2020). utilisation d'un système de décision basé sur les BIM pour la gestion
de la maintenance coopérative d'un bâtiment. thèse de Master, Université de
Mostaganem, MOSTAGANEM.
[53] Z. Michalewicz. (1996). Genetic Algorithms + Data Structures = Evolutionary Programs.
Springer.
[54] Z. Souheil. (2007). proposition d'un cadre de modélisation pour les application PLM
Application à la gestion de configuration. thèse de doctorat, Université Henri Poincaré
- Nancy 1, Nancy. 2007.

65